Respostas corretas
- BIncluir revisão humana para decisões de alto impacto
- CImplementar guardrails para filtrar conteúdo prejudicial
- DMonitorar continuamente as saídas do modelo em busca de desvios
Explicação
A Opção B está correta porque a implantação de IA responsável exige supervisão humana no circuito (human-in-the-loop) para decisões cruciais (por exemplo, contratação, concessão de crédito, triagem médica), para que uma pessoa qualificada possa validar ou substituir a saída do modelo antes que ela afete os direitos ou a segurança de alguém. A Opção C está correta porque guardrails — filtros de entrada/saída, classificadores de moderação de conteúdo e camadas de aplicação de políticas — são um controle padrão para evitar que foundation models gerem conteúdo prejudicial, inseguro ou que viole políticas. A Opção D está correta porque foundation models podem se degradar ou ter o comportamento alterado ao longo do tempo devido a desvio de dados, desvio de conceito ou atualizações de modelos upstream, portanto, o monitoramento contínuo das saídas (com métricas, alertas e gatilhos de retreinamento) é essencial para manter a confiabilidade e a justiça. A Opção A não é recomendada: coletar feedback do usuário é um sinal valioso para identificar viés e melhorar modelos, portanto evitan-lo reduziria a prestação de contas em vez de aumentar a responsabilidade. A Opção E não é recomendada: o sigilo opaco de 'caixa preta' mina a transparência, a explicabilidade e a auditabilidade, que são princípios centrais de IA responsável; o funcionamento interno e a documentação do modelo devem ser divulgados adequadamente às partes interessadas.